서울시 치안데이터 분석

“CCTV가 많으면 범죄율을
낮추는 데에 도움이 될까요?”

출처: 서울시 공공데이터포털 (https://data.seoul.go.kr/)

데이터 살펴보기

TOP 3
    자치구       총생활인구수
16  송파구  753278.4966
0   강남구  633521.1274
3   강서구  533814.0426

TOP 3
    자치구   1인가구수
4   관악구  150745
3   강서구  104509
16  송파구   87140

데이터 살펴보기

자치구
강남구    7007
관악구    5366
서초구    5060
Name: count, dtype: int64

자치구
강남구    1713
용산구    1421
구로구    1372
Name: count, dtype: int64


안전벨과 CCTV의 상관관계: 0.3032
예상과 달리, CCTV와 안전벨의 상관관계가 높지 않다.

데이터 살펴보기


치안센터와 경찰관 수의 상관관계: 0.6500
다른 변수들과 비교했을 때 가장 높은 상관관계를 보임

데이터 살펴보기

    자치구  술집 수
17  양천구  3094
7   금천구  3179
10  동작구  3276

     자치구  술집 수
12  서대문구  3578
7    금천구  3179
14   성동구  4001


술집 수와 총 범죄 건수의 상관계수: 0.8354
다른 변수들과 비교했을 때, 가장 높은 상관관계를 보임

상관계수 분석

범죄건수 주요 변수

술집 수
생활 인구 수
구별 경찰 수
CCTV 총 수량
1인가구수

회귀분석

상관 관계 높은 변수 임의 선택

VS Stepwise로 변수 선택

서울시 치안 기준 군집화

상관계수가 높은 변수를 활용해서,

비슷한 치안 특성을 가진 구를 찾기위해

저희는 K-Means 클러스터링을 사용했습니다.

K-Means 클러스터링이란?

유사한 특성을 가진 데이터를 자동으로 그룹으로 묶는 비지도 학습 기법

사용자가 군집 개수(K)를 정하면,
K개의 중심점을 기준으로 데이터를 그룹화하고,
각 데이터를 가장 가까운 중심점에 할당합니다.
중심점을 반복적으로 조정하며 유사한 데이터끼리 묶는 군집을 만듭니다.

서울시 자치구별 ‘구별_경찰수’, ‘유흥업소_개수’, ‘총생활인구수’, ‘cctv’ 등을 기준으로 치안 특성이 비슷한 지역을 자동으로 군집화하기 위해 사용했습니다.

하지만 분석 결과는…?

군집 개수를 2개로 정하고 군집 분석을 수행했습니다.

	자치구	총범죄건수	자치구코드	총생활인구수(내)	총생활인구수(외)	총생활인구수	범죄율	구별 경찰수	Unnamed: 8	일반음식점_개수_x	...	총_개수	cctv	계	남자	여자	파출소수	일반음식점_개수_y	유흥업소_개수_y	총 음식점 수
1	강동구	6325	11740	520769.7605	8995.2846	529765.0451	119.392551	753	NaN	3977	...	4076	3191	62943	29123	33820	9	3977	99	4076
2	강북구	5456	11305	294508.1488	7027.3157	301535.4645	180.940574	663	NaN	3335	...	3404	2858	52659	24116	28543	9	3335	69	3404
4	관악구	9249	11620	459691.4819	22747.9824	482439.4643	191.713172	901	NaN	4852	...	5048	5366	150745	79518	71227	9	4852	196	5048
5	광진구	6139	11215	360329.9580	24158.1353	384488.0933	159.666843	723	`	4278	...	4288	4091	71959	34355	37604	10	4278	10	4288
6	구로구	6816	11530	380846.3092	38602.9220	419449.2312	162.498808	743	NaN	4048	...	4080	4050	61318	29957	31361	8	4048	32	4080
7	금천구	4438	11545	192123.9921	19587.2685	211711.2606	209.625127	570	NaN	3135	...	3179	2725	52033	27499	24534	5	3135	44	3179
8	노원구	6800	11350	499720.4215	5255.8342	504976.2557	134.659797	791	NaN	3724	...	3745	2655	65275	27648	37627	8	3724	21	3745
9	도봉구	3569	11320	273860.3099	3059.2624	276919.5723	128.882187	557	NaN	2280	...	2300	1598	41525	18400	23125	8	2280	20	2300
10	동대문구	6164	11230	321124.3994	23509.1311	344633.5305	178.856654	796	NaN	3971	...	4023	2857	70959	34960	35999	11	3971	52	4023
11	동작구	6121	11590	368749.7562	14213.0818	382962.8380	159.832741	661	NaN	3234	...	3276	2650	74443	35650	38793	7	3234	42	3276
13	서대문구	4376	11410	327715.6130	19941.4783	347657.0913	125.871156	651	NaN	3550	...	3578	3223	56170	24297	31873	8	3550	28	3578
15	성동구	4490	11200	302502.4326	13575.1242	316077.5568	142.053743	620	NaN	3981	...	4001	4036	48111	23464	24647	9	3981	20	4001
16	성북구	4989	11290	415834.2999	14721.2824	430555.5823	115.873541	905	NaN	4025	...	4033	3943	69148	30867	38281	10	4025	8	4033
18	양천구	5820	11470	376331.9216	4939.3425	381271.2641	152.647224	734	NaN	3090	...	3094	3845	47106	21436	25670	8	3090	4	3094
20	용산구	6242	11170	255885.5460	15046.6725	270932.2185	230.389727	765	NaN	5161	...	5182	1078	42482	19436	23046	7	5161	21	5182
21	은평구	6292	11380	452860.8658	6072.2302	458933.0960	137.100594	906	NaN	3842	...	3918	4111	68850	29345	39505	9	3842	76	3918
24	중랑구	6454	11260	362285.8875	6590.8484	368876.7359	174.963595	750	NaN	3778	...	3795	3471	66906	32454	34452	8	3778	17	3795

17 rows × 21 columns

군집1
['강남구' '강서구' '마포구' '서초구' '송파구' '영등포구' '종로구' '중구']

군집2
['강동구' '강북구' '관악구' '광진구' '구로구' '금천구' '노원구' '도봉구' '동대문구' '동작구' '서대문구' '성동구'
 '성북구' '양천구' '용산구' '은평구' '중랑구']

군집간 총 범죄 건수 시각화(Boxplot)

군집간 총 범죄건수의 평균에 차이가 있다.

군집 분석으로 알 수 있는 것

클러스터	구별 경찰수	총 음식점 수	총생활인구수	파출소수	총범죄건수
1	734.65	3824.71	377,246.14	8.41	5867.06
2	1058.38	7468.25	464,404.93	12.38	9337.38

클러스터 1 분석

복잡하고 밀도 높은 지역일 가능성이 크다.
인구가 많고 상권이 크며 → 유동인구도 많고 외부 유입도 활발하다.
경찰과 파출소 수도 많아 → 치안 자원이 이미 많이 투입된 상태다.
그럼에도 불구하고 범죄 건수가 높다.

클러스터 0 분석

클러스터 1보다 평균적으로 수치가 낮다.
도시 외곽 또는 상대적으로 조용한 주거 지역일 가능성이 있다.
인구도 적고 음식점도 적으며, 경찰/파출소 수도 적다.
그에 따라 범죄 건수도 낮다.